MétaCan
Menu
Retour à la cohorte
Enregistrement W2037545054 · doi:10.1080/21604851.2013.779875

<i>It Gets Fatter</i>: Graphic Fatness and Resilient Eating in Mariko and Jillian Tamaki's<i>Skim</i>

2013· article· en· W2037545054 sur OpenAlexaff
Marty Fink

Notice bibliographique

RevueFat Studies · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueComics and Graphic Narratives
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésShameRepresentation (politics)PsychologyQueerNarrativeSocial psychologyArtPsychoanalysisLiteraturePolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Looking to Mariko and Jillian Tamaki's graphic novel Skim, and the digital It Gets Fatter (IGF) project, this article locates fatness and eating as transgressive forms of disabled embodiment. Although fat representation in Skim occurs subtly in the narrative's images rather than explicitly in the accompanying words, visual fatness—the crux of IGF—can be read as the driving force behind this work. In regarding food consumption not as a site of shame but as a means of fat queer and trans people of color (QTPOC) survival, this analysis locates visual representation toward rethinking links between queer fat embodiment, racialization, and disability movements. Keywords: disabilityfatterQTPOCqueer Skim Tamaki Notes 1. QTPOC is used in community and activist contexts to signify a unification between gender and sexual nonconforming people who also face racialization. The term racialization in commonly used by academics to signify the process through which racial identities are socially imposed through factors like colonialism, slavery, neoliberalism, and migration.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,651

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,253
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFat StudiesMême sujetComics and Graphic NarrativesTravaux en français237 207